评测数据统计与可视化 ：负责评测得分数据的清洗、统计与可视化、计算整体及分维度平均分、胜率、p-value、置信区间等指标，并按阈值自动筛选 Bad/Good case，支撑效果分析
搭建可视化Dashboard，支持可视化洞察驱动模型迭代，如模型分数成长趋势
提效 / 测试工具开发：根据评测流程痛点，敏捷交付脚本或小型web服务，如：prompt管理工具（生成、筛选、版本管理）、失分样本检索、模型指标统计平台化&自动生成简要报表
持续优化评测CI/CD，缩短“提测 → 评测 → 反馈 →优化”闭环